미리보기
미리듣기
생성형 AI와 퍼블릭 스피킹의 융합 가능성을 실용적으로 제시한다. 스피치 준비부터 청중 분석, 피드백까지 AI가 어떻게 공적 말하기를 돕는지 구체적으로 안내한다.
흥미로운 점은 AI의 실시간 음성 및 감정 분석이 연사에게 즉각적인 피드백을 제공할 수 있다는 것이다. 연설자가 강조해야 할 핵심 부분이나 청중의 반응에 따라 발언을 조정하도록 돕는 AI 보조 기술은, 연사의 직관적 의사소통을 기술과 결합해 새로운 가능성을 열어 준다. 이로 인해 우리는 단순한 ‘퍼블릭 스피킹’에서 ‘협력적 스피킹’으로의 전환, 즉 인간과 기술이 협력해 더 나은 커뮤니케이션을 이끄는 시대를 맞이하고 있다.
-01_“퍼블릭 스피킹의 역사와 AI의 등장” 중에서
AI는 소셜 미디어 데이터, 설문 조사, 고객 피드백 등을 분석해 청중의 연령, 성별, 관심사, 지역적 특성 등을 파악해 낼 수 있다. 이러한 분석 결과는 연설자가 청중에게 가장 효과적으로 다가갈 수 있는 콘텐츠를 구성하는 데 중요한 자료가 된다. 어느 기업 행사에서 퍼블릭 스피킹을 해야 할 경우, AI 기반의 청중 분석 도구가 참석자의 데이터를 분석한 뒤 “주요 관심사는 친환경 기술과 지속 가능성”이라는 인사이트를 도출해 제시해 준다면, 연설자는 이에 맞춘 사례와 메시지를 보다 쉽게 준비할 수 있을 것이다. 그 결과는 당연히 청중과의 공감대를 형성하고, 메시지의 설득력을 강화하는 것으로 귀결될 것이다.
-03_“콘텐츠 개발에서의 AI 활용” 중에서
어떤 정치인이 선거 유세를 위해 AI 기반 청중 분석 시스템을 도입해 연설 중 청중의 표정, 음성, 제스처 등을 실시간으로 모니터링했다고 가정해 보자. 연설자는 사전 청중 분석에 관해 AI의 도움을 받았고 특정 주제에서 청중의 반응이 긍정적임을 확인하고 그 부분을 더욱 강화해 메시지 전달력을 높였다고 생각했다. 하지만 그 과정에서 일부 청중이 자신의 데이터가 무단 수집되었다고 느끼며 개인 정보 침해에 대한 우려를 제기할 가능성이 있다. 결과적으로 이와 같은 문제가 해결되지 않는다면 해당 시스템 도입에 대한 반발이 있을 것으로 예상된다.
-06_“윤리적 쟁점과 한계” 중에서
다시 언급하지만, AI 모델은 학습 데이터에 기반해 작동하기 때문에 데이터 편향 문제가 존재할 경우에 일부 청중이나 문화권에 대해 부정확한 피드백을 제공할 수 있다. 또한, AI가 수집하는 음성, 영상, 텍스트 데이터 등은 민감한 개인 정보를 포함할 수 있으며, 이에 따른 프라이버시 침해와 윤리적 문제가 제기될 수 있음에 항상 유의해야 한다. 최근에 출시된 AI는 일부 국가, 즉 미국이나 중국 등 특정 국가 중심의 데이터 세트로 학습된 AI 시스템일 가능성이 높다. 실제로 특정 사안에 관해서 일부 문화권의 발표 스타일을 부정확하게 평가한 사례가 나타나고 있다는 보도가 있는데, 이는 리더십 커뮤니케이션의 공정성을 저해하는 요인으로 작용할 수 있다.
-09_“리더십 커뮤니케이션과 AI” 중에서